Reading XML with Groovy and SAX

JJBugでWeb Beansリファレンスガイドを翻訳するにあたって用語集が必要です。DocBookからと...で挟まれた語を抜き取ってCSVフォーマットで書き出すようにすれば、用語の候補となる表ができそうです。Groovy＋SAXでスクリプトを書こうっと。

(4/11追記)

import javax.xml.parsers.SAXParserFactory
import org.xml.sax.helpers.DefaultHandler
import org.xml.sax.*

class RecordsHandler extends DefaultHandler {
    def titles = 
    def emphasises = 
    def currentMessage
    def titleFlag = false
    def emphasisFlag = false
    def literalFlag = false
    
    void startElement(String ns, String localName, String qName, Attributes atts) {
        switch (qName) {
           case 'title':
               titleFlag=true
               break
           case 'literal':
               literalFlag=true
               break
           case 'emphasis':
               emphasisFlag=true
               break
        }
    }
    void characters(char[] chars, int offset, int length) {
       if (titleFlag || emphasisFlag) {
           currentMessage += new String(chars, offset, length)
       }
    }
    void endElement(String ns, String localName, String qName) {
        switch (qName) {
           case 'title':
               currentMessage = removeLF(currentMessage)
               titles << currentMessage
               currentMessage = ""
               titleFlag=false
               break
           case 'literal':
               literalFlag=false
               break
           case 'emphasis':
               currentMessage = removeLF(currentMessage)
               emphasises << currentMessage
               currentMessage = ""
               emphasisFlag=false
               break
        }
    }
    String removeLF(str) {
        return str.trim().replaceAll("\n") {""}
    }
}

def handler = new RecordsHandler()
def reader = SAXParserFactory.newInstance().newSAXParser().XMLReader
reader.setContentHandler(handler)

//def fromdir = "C:/svnwork/webbeans-reference-guide/test"
def fromdir = "C:/svnwork/webbeans-reference-guide/en-US"

def glossary = new File("webbeans-glossary.csv")
if (glossary.exists()) glossary.delete()


new File(fromdir).eachFile { file ->
  def filename = file.name
  if (filename =~ ".xml") {
    println "File: " + filename
    def inputStream = new FileInputStream(file)
    reader.parse(new InputSource(inputStream))
  }
}

println "*** title ***"
handler.titles.each { glossary.append("title, $it, \n") }

println "*** empahsis ***"
handler.emphasises.each { glossary.append("emphasis, $it, \n") }

生成されたファイルはこれ。ゴミが多いので用語集にするにはかなり修正が必要そうですが、作業のベースとしては使えそうです。